Another temptation when faced with

Another temptation when faced with the availability of massive amounts of disparate data
is to throw in a large number of controls in regression analysis to find ‘true’ relationships
in the data. Doing so can strengthen the analysis’ internal validity by ‘netting out’ of the
effects of other endogenous factors on the dependent variable, but it brings about several
potential challenges. First, it downplays the fact that combining data from multiple
sources may also mean “magnifying”
66
their flaws. If the results are contingent on factors
specific to the unit of analysis, they also become hard to generalise to other settings with
vastly different mean values of the included controls: external validity is then weakened.
There is another econometric downside to throwing in a large number of controls
indiscriminately. If many of them are correlated, the resulting multicollinearity will lead
to non-unique parameter fits and more or less arbitrary parameter choices, meaning that
the results may be misleading. This suggests that theory and context matter even (or,

結果 (中文) 1:

另一个诱惑时，面临着大量的不同来源的数据可用性是地抛出大量的回归分析，从而找到 '真正' 的关系中的控件中的数据。做所以可以分析的内部有效性通过加强扣除的其他内源性因素对因变量，但它的影响带来了几个潜在的挑战。第一，它淡化这一事实从多个合并数据源也可能意味着"放大"66他们的缺点。如果结果是取决因素具体到分析的单位，它们也变得难以概括其他设置截然不同平均值的包含控件： 然后削弱了外部效度。还有另外一个计量经济学的缺点，给扔在大量的控件不分青红皂白地。如果很多人都相关的由此产生的多重共线性会非唯一的参数配合和更多或少任意参数的选择，也就是说，结果可能造成误导。这表明理论和语境的关系甚至 （或者，

結果 (中文) 3:

另一个诱惑时面临着大量的不同的数据
有效投入大量回归分析中找到“真正的”控制
数据中的关系。这样可以加强内部效度分析”的“网”等内生因素对因变量的影响
，但也带来了一些
潜在的挑战。首先，它降低的事实，结合来自多个数据源的数据
也可能意味着“放大”
66
缺陷。如果结果是偶然的因素
具体分析单位，他们也会变得很难概括与
所包含的控件不同的平均值的其他设置：外部效度是随后减弱。
还有另一种计量经济下行投掷了大量的控制
滥杀无辜。如果他们中的许多人都是相关的，由此会导致对多重共线性
独特的非参数拟合和更多或更少的任意参数的选择，这意味着
的结果可能会产生误导。这表明，理论和语境的事（或甚至，